Likelihood-Based Estimation of Dynamic Panels With Predetermined Regressors
含前定解释变量的动态面板似然估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：方法直接针对带个体效应的动态面板，且应用使用国家层面的收入与民主数据，因此对应面板数据与宏观面板方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
含前定解释变量的动态面板似然估计
- 研究问题
- 在包含个体效应、滞后因变量和其他前定解释变量的动态面板中，如何进行似然估计，并改善短面板下的有限样本表现？
- 方法与思路
- 作者提出子系统有限信息极大似然估计量（ssLIML），研究固定时间维度、个体数趋于无穷时与标准面板 GMM 的渐近关系。
- 材料陈述的贡献
- 摘要称 ssLIML 与标准面板 GMM 渐近等价，而模拟中偏差较小、有限样本表现较好；另用跨国收入与民主关系展示其应用。
- 阅读关注点
- 重点核对子系统如何构造、前定变量与个体效应如何处理，以及渐近等价的条件；再比较模拟设置和收入与民主应用中的估计结果。
- 阅读边界
- 较小偏差与其他估计量的比较来自摘要所述模拟，不能推及任意面板；摘要未说明似然假设、初始条件处理或跨国应用的识别条件。
原文摘要
This article discusses the likelihood-based estimation of panel data models with individual-specific effects and both lagged dependent variable regressors and additional predetermined explanatory variables. The resulting new estimator, labeled as subsystem limited information maximum likelihood (ssLIML), is asymptotically equivalent to standard panel generalized method of moment as N → ∞ for fixed T but tends to present smaller biases in finite samples as illustrated in simulation experiments. Simulation results also indicate that the estimator is preferred to other alternatives available in the literature in terms of finite-sample performance. Finally, to provide an empirical illustration, I revisit the evidence on the relationship between income and democracy in a panel of countries using the proposed estimator.